面向混沌时间序列预测的隐式特征提取算法

被引：17

作者：

雷苗

彭宇

彭喜元

机构：

[1] 哈尔滨工业大学自动化测试与控制研究所

来源：

仪器仪表学报 | 2014年 / 35卷 / 01期

关键词：

混沌时间序列; 隐式特征提取; 经验模态分解; 独立成分分析;

D O I：

10.19650/j.cnki.cjsi.2014.01.001

中图分类号：

O415.5 [混沌理论]; O231 [控制论（控制论的数学理论）];

学科分类号：

070105 [运筹学与控制论]; 070201 [理论物理];

摘要：

混沌时间序列预测研究的2个焦点:一个是增加预测模型的复杂度,以面向控制、水文、气象,脑电生理学等研究背景下的具体预测需求;另一个是引入和改进模式识别领域里的特征提取算法,从而降低混沌数据的预测难度,以提高预测精度。采用经验模态分解和独立成分分析算法,改进线性和非线性特征的提取。并在解析意义下,给出了一种新颖的隐式特征表达。在不改进预测模型的前提下,提出了一种混沌序列隐式特征提取算法。采用经典的Mackey-Glass仿真、比利时皇家天文台太阳黑子数,以及密西西比河实测流量数据实验表明,该方法提高了模型预测精度。

引用

页码：1 / 7

页数：7

共 12 条

[1]

Cooperative coevolution of Elman recurrent neural networks for chaotic time series prediction.[J].Rohitash Chandra;Mengjie Zhang.Neurocomputing.2012,

[2]

Input variable selection for feature extraction in classification problems.[J].Sang-Il Choi;Jiyong Oh;Chong-Ho Choi;Chunghoon Kim.Signal Processing.2011, 3

[3]

A novel hybridization of artificial neural networks and ARIMA models for time series forecasting.[J].Mehdi Khashei;Mehdi Bijari.Applied Soft Computing Journal.2010, 2

[4]

Integrating independent component analysis-based denoising scheme with neural network for stock price prediction [J].

Lu, Chi-Jie .

EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (10) :7056-7064

[5]

Chaotic time series prediction with residual analysis method using hybrid Elman–NARX neural networks.[J].Muhammad Ardalani-Farsa;Saeed Zolfaghari.Neurocomputing.2010, 13

[6]

Soft-computing techniques and ARMA model for time series prediction.[J].I. Rojas;O. Valenzuela;F. Rojas;A. Guillen;L.J. Herrera;H. Pomares;L. Marquez;M. Pasadas.Neurocomputing.2007, 4

[7]

Time series forecasting using a hybrid ARIMA and neural network model.[J].G.Peter Zhang.Neurocomputing.2002,

[8]

采用二次经验模态筛选的谐波辨识方法 [J].